由于社会经济的不断发展以及人们越来越多的社会活动，对于安全的要求越来越迫切，视频监控系统开始在许多方面得到广泛的应用。根据计算机视觉技术来提高视频监控系统的智能化水平，减少人的参与，是视频监控系统的发展趋势。以视频监控为平台，在对视频序列中的行人进行检测和跟踪的基础上进行人数统计具有极其重要的意义，视频监控人数统计技术已经成为计算机视觉领域的一个热点与难点。本文对视频监控的相关图像处理算法以及对现有运动目标检测跟踪的算法进行了分析，设计了视频监控人数统计的算法流程。主要从图像预处理、运动目标检测、运动目标跟踪以及运动轨迹分析这四个部分进行分析研究。针对目前在这几个部分中存在的问题，本文提出了一些方案和改进方法，实现了视频图像中人群检测与计数。运动目标检测是视频人数统计的基础，首先针对普通的视频图像，对应用比较广的几种算法优缺点进行了分析比较，并根据视频监控系统背景固定这一特点，采用背景差分法进行运动前景提取，主要对混合高斯背景模型进行了深入研究，并针对其计算量大，会出现误检等现象的不足，提出了一种把三帧差分法与高斯混合背景模型相结合的方法进行改进，得到的运动前景边缘信息保存比较完整，有助于后续的工作处理。运动人群的跟踪方面，对几种常见跟踪算法进行分析研究，针对各算法误跟、跟丢或者计算量大等不足，本文提出一种将行人的运动信息与Kalman滤波相结合的目标跟踪算法，该算法利用行人运动信息来做跟踪，能够很好地解决行人运动中出现的交叉、重叠、分开等各种情况。在实现行人稳定跟踪的基础上，对运动目标的轨迹进行了分析和预处理，提出了一种有效的行人计数方法。本文以提高算法的实时性和实用性为目标，对视频监控中人数统计的多个关键技术进行了研究，提出一种算法复杂度较低，鲁棒性较强的视频人数统计算法，取得了较好的实验结果。